Resumen

Los autobuses autónomos son cada vez más populares y se han desarrollado ampliamente en muchos países. Sin embargo, los autobuses autónomos deben aprender a navegar por la ciudad de forma eficiente para poder integrarse en los sistemas de transporte público. El funcionamiento eficiente de estos autobuses puede lograrse mediante agentes inteligentes a través del aprendizaje por refuerzo. En este estudio, investigamos el problema del control de flotas de autobuses autónomos, que parece ruidoso para los agentes debido a las llegadas aleatorias y a la observación incompleta del entorno. Proponemos un método de aprendizaje por refuerzo multiagente combinado con un algoritmo avanzado de gradiente de políticas para este problema de optimización dinámica a gran escala. Se desarrolló una plataforma de simulación basada en agentes para modelar el sistema dinámico de una ruta de bucle parada/estación fija, una flota de autobuses autónomos y pasajeros. Esta plataforma también se aplicó para evaluar el rendimiento del algoritmo propuesto. Los resultados experimentales indican que el algoritmo desarrollado supera a otros métodos de aprendizaje por refuerzo en el dominio multiagente. Los resultados de la simulación también revelan la eficacia de nuestro algoritmo propuesto para superar al sistema de autobuses programados existente en términos de tamaño de la flota de autobuses y tiempos de espera de los pasajeros para rutas de autobús con un número comparativamente menor de pasajeros.

• Materias:Infraestructura de transportes Ingeniería del transporte Accidentes de transito Seguridad del transporte Planificación de ruta
• Subjects:Transport infrastructure Transport engineering Traffic accidents Transport safety Path planning
• Palabras claves:algoritmo, algoritmo de gradiente de política avanzada, método de aprendizaje de refuerzo de agente, problema de control de flota de autobuses autónomos, otros métodos de aprendizaje de refuerzo, flota de autobuses autónoma, tamaño de flota de autobuses, problema de optimización dinámica, sistemas de transporte público, ruta de bucle de estación
• Keywords:algorithm, advanced policy gradient algorithm, agent reinforcement learning method, autonomous bus fleet control problem, other reinforcement learning methods, autonomous bus fleet, bus fleet size, dynamic optimization problem, public transport systems, station loop route